对双杠后空翻两周挂团身和屈体的技术对比研究

技术改进与创新是体操项目发展的动力，稳定是前提。本文以江苏体操队朱天戈为研究对象，使用Ariel三维影像解析软件对其团身后空翻两周挂和屈体后空翻两周挂进行了动作解析，对两个动作进行了阶段划分，从时间段，位移，速度和角度等方面做了一系列分析。结果为：两组动作在时间段的分布基本相同，前后位移有所差别，速度与角度在翻腾阶段的差异性比较明显。     

人体工效学在单车运动中的应用研究——单车坐垫与车把的人体功效学调节对优化骑行动作的影响

与人体工效学相适应的单车坐垫高度与车把位置能够让车手在骑行运动中发挥身体全面运动能力,达到机械力学与生物力学最优状态;同时,避免由于人与车的接触部位不合理所造成运动能力受限或是运动损伤。     

舞蹈中的语言艺术

众所周知,舞蹈是一门综合艺术。它集人体动作、音乐、服装、舞台美术、色彩、灯光和情节于一体,主要依靠人体动作来塑造艺术形象,表达思想感情。舞蹈与其它综合艺术有许多共同点,也有不同点。如,     

柔性姿态估计和时空特征结合的乒乓球动作视频片段关键帧提取

为了解决传统方法在场景复杂的情况下,因无法保证时间与空间上的连续性,导致乒乓球动作识别错误,影响关键帧提取性能的问题,将柔性姿态估计和时空特征结合在一起,研究乒乓球动作视频片段关键帧提取问题。依据稠密光流对乒乓球动作视频片段进行分段。对单帧图像人体柔性姿态进行估计,通过可分离线性滤波器时空特征点检测方法对乒乓球动作视频图像序列特征点的检测,将时空特征点当成中心建立时空立方体,提取时空立方体的像素建立时空特征。为了保证时间与空间上的连续性,引入时空特征边,得到有时空特征的柔性姿态估计结果。通过直方图相交法求出乒乓球动作视频片段中姿态相似度,计算全部姿态的Hog间差异度,构成差异度矩阵。在当前帧姿态差异度超过阈值的情况下认为当前帧为关键帧。实验结果表明,所提方法针对不同场景的保真率与压缩率一直高于0. 7,处于较高水平;主观评价结果好,可提取合理关键帧。可见所提方法对复杂场景的关键帧提取性能优,主观与客观评价结果好。     

髋关节假体脱位与日常行为动作关系

以髋关节置换术后常见的脱位失效为研究对象,在Adams运动学分析软件环境下,设计并开发了可视化髋关节假体运动分析模块.该模块能够构建不同设计参数的髋关节假体模型,模拟各种行为条件下的髋关节运动,检测关节假体的活动范围.利用光学运动捕捉系统对正常人群进行日常行为的下肢运动学测量.将模块对假体的运动学分析结果与实验测量的天然关节的运动数据对比,研究并发现了髋关节假体的脱位与行为运动的关系,结果显示术后的高屈曲动作脱位风险较大,尤其是下蹲动作.
     

动作思维在产品造型实践中的应用——以Nissan Defflo的设计过程为例

产品造型能力是工业设计师的核心能力之一,当前高校和企业在造型设计实践中对动作思维没有给予足够的重视,致使产品造型层次不够丰富、美感不足．论文以全新的角度审视并论述了动作思维在产品造型实践中的作用,并以XNissan Defflo概念车的创作过程为基础,尝试将动作思维与手绘技法、模型制作、美感培养有机融合,探讨提高工业设计专业学生造型能力的若干可行方法。     

给水泵差动保护误动分析

在10kV及以下电压等级的各种系统接线中,纵差保护是大中型异步电动机内部故障的主保护。纵差保护作为定子绕组及其引出线的相间短路保护,能快速将故障设备从母线上切除,并保证其它非故障设备安全稳定运行。     

自动喷水灭火系统中喷头布置情况

喷头的布置要考虑喷头的喷水强度、喷头的特性及工作压力,每个喷头的保护面积,应根据具体情况具体分析,不能靠增加喷头的数量来满足喷头强度的要求。     

基于机器学习的人体动作深度信息识别方法研究

为了实现人体动作的准确检测识别,提出基于机器学习的人体动作深度信息识别方法,构建人体动作的三维图像采集模型,建立人体动作三维重建图像的表面结构重构模型,结合模糊度特征提取方法对人体动作三维重建图像进行多尺度分解,采用三维空间结构重组的方法进行人体动作细节特征识别,建立人体动作图像的多维分割模型;采用机器学习算法进行人体动作的细节特征分类识别,建立人体动作深度信息的提取和分类模型,在机器算法下实现人体动作的深度信息检测和多维识别。仿真结果表明,采用该方法进行人体动作深度信息识别的准确度较高,特征分辨力较好,具有很好的人体动作信息检测和辨识能力。     

基于运行状态识别的无人机航迹预测

无人机航迹预测对于无人机冲突检测、任务规划及异常管控至关重要。在很多情况下难以为无人机这种复杂系统建立精确的物理模型,给基于模型的滤波方法带来一定难度。为解决上述问题,提出一种基于运行状态识别的无人机高斯过程-无味卡尔曼滤波的混合估计方法。首先,利用运行状态识别机制将无人机运行数据分为不同数据段,以确定无人机实时状态并提高预测模型的适应性;然后,根据不同的运行状态,从航迹数据中学习高斯过程递归模型,将其作为无味卡尔曼滤波器的状态转移方程,以实现更高的预测精度;最后,利用动作捕捉系统采集的真实无人机运行数据验证了所提出方法的有效性,利用均方误差检验了方法的精确度。